کاوش الگوهای خط‌ سیر در اشیا متحرک در شبکه‌های جاده‌ای

به کارگیری الگوکاوی بر روی داده های مرتبط با مسیرها و جاده ها، دستاوردهای با ارزش و اثرگذاری را در حوزه های مختلفی، همچون راه و شهرسازی، حمل و نقل و حتی پیش بینی سرویس های اجتماعی به ارمغان آورده است. در این مقاله به کاوش الگوهای خط سیر در اشیا متحرک در شبکه های جاده ای پرداخته شده است. تا بتوان به کمک آن الگوهای مناسبی را استخراج نماییم. ازجمله چالش های موجود در تکنیک های خوشه بندی در بحث الگوکاوی، پیدا کردن الگوهای متوالی همراه با زمان اجرای پایین می باشد. برای حل این مشکل، از تکنیک های خوشه بندی برای معرفی یک الگوریتم پیشنهادی به نام bfes-enhanced استفاده شده است، که با استفاده از آن می توان الگوهای flock متوالی و معنی داری را که دارای بازه زمانی پایینی می باشند، استخراج نمود. نتایج شبیه سازی نشان می دهد که، روش پیشنهادی به دلیل استفاده از معیارهای مناسب برای خوشه بندی که شامل: حداکثر فاصله ثابت و حداقل تعداد می باشد و اضافه کردن معیار جدیدی به نام حداقل دوره زمانی به الگوریتم پیشنهادی و از طرف دیگر، در روش پیشنهادی علاوه بر معیار فاصله که الگوریتمbfe-enhanced داشته است، معیار جهت نیز برای بهبود دقت عملکرد به الگوریتم پیشنهادی اضافه شده است. که در نتیجه، الگوریتم پیشنهادی، بازه زمانی را کاهش و تعداد الگوهای معنی دار و متوالی را افزایش می دهد.

trajectory pattern mining for moving objects in road networks

pattern mining on paths and roads data has brought up valuable and effective achievements in different areas, such as: roads and urbanization, transportation, and even forecasting social services. the trajectory patterns of moving objects in road networks were examined to extract efficient patterns. among the challenges in clustering techniques of pattern mining is to find consecutive patterns with low run time. to solve this problem, a clustering algorithm was proposed titled bfes-enhanced, which can be used to extract sequential and meaningful flock patterns with a short time interval. simulation results showed that the proposed method, thanks to the use of efficient criteria for clustering, such as maximum distance and minimum number demonstrated an outstanding performance. in addition, a new criterion was added to the algorithm called minimum time period. along with the distance criterion in bfe-enhanced algorithm, the criterion of direction was also added to the algorithm to improve its accuracy. therefore, the proposed algorithm is featured with a shorter time interval and higher number of meaningful and sequential patterns.